Aritra Mitra

Des recherches montrent comment les retards ralentissent les algos dans les tâches d'optimisation min-max.

Explorer des techniques de contrôle sans modèle avec des canaux de communication limités.

Cette étude examine comment les retards affectent l'approximation stochastique dans l'apprentissage par renforcement.

Cette recherche simplifie la preuve de convergence pour l'apprentissage TD avec approximation linéaire des fonctions.

Examiner comment les agents apprennent plus vite ensemble malgré les délais de communication.

Une nouvelle approche pour que les agents partagent des stratégies et améliorent leurs performances dans des contextes variés.

Améliorer la performance du Q-learning avec des retours corrompus dans des applis du monde réel.